در عصر انفجار داده‌ها، استخراج دانش یک ضرورت است. این کتاب با رویکردی کاربردی و داده‌محور، شما را با الگوریتم‌های پیشرفتهٔ هوش مصنوعی آشنا می‌کند. از مبانی نظری تا مدل‌سازی عملی، مسیری روشن برای کشف الگوهای پنهان و اتخاذ تصمیمات هوشمندانه پیش روی شماست. این اثر راهنمایی جامع برای دانشجویان، پژوهشگران و متخصصانی است که می‌خواهند بر تحلیل داده مسلط شوند و تئوری را به عمل تبدیل کنند.

فصل 1: مقدمه ای بر تحلیل داده و داده کاوی

مقدمه        14

تحلیل داده         15

داده‌کاوی 16

علم داده   18

یادگیری ماشین چیست؟            20

انواع یادگیری ماشین         21

پردازش داده‌ها         25

فصل 2: داده‌ها وعنوان آنها

مقدمه        39

تعریف داده‌های کلان               41

انواع داده‌ها               43

چالش‌های کار با داده‌ها (حجم، کیفیت، سرعت)        51

فصل 3: دیتاست‌‌ها

مقدمه        56

دیتاست    57

داده‌های گمشده        65

داده‌های پرت           67

داده‌های نامتعادل       68

مجموعه داده‌های معتبر               70

منابع دریافت دیتاست 78

فصل 4: شاخص‌های آماری

مقدمه        85

شاخص‌های آمار مرکزی          86

شاخص‌های پراکندگی              92

ضریب تغییرات         104

بررسی شکل توزیع داده‌ها         107

فصل 5: پاکسازی داده‌ها نخستین گام در تحلیل دقیق

مقدمه        119

راهکارهای مقابله با داده‌های گمشده          122

روش‌های محاسبه فاصله بین داده‌ها             127

تبدیل داده‌های متنی به عددی (کدگذاری ویژگی‌های دسته‌ای)   134

یکسان‌سازی مقیاس ویژگی‌ها    142

فصل 6: تحلیل روابط بین متغیرها و آزمون‌های آماری

مقدمه        155

کوواریانس و همبستگی             155

ضریب همبستگی اسپیرمن           162

انواع آزمون‌های آماری             169

آزمون تحلیل واریانس               171

واریانس بین گروهی و درون گروهی در آزمون تحلیل واریانس  172 

مجموع مجذورات بین گروهی و مجموع مجذورات درون گروهی      173

میانگین مجذورات بین گروهی و درون گروهی           175

آزمون تی 183

سخن پایانی               190

فهرست مراجع           193